Analisis Sentimen Tanggapan Pengguna Aplikasi Bale by BTN Menggunakan Metode Support Vector Machine (SVM)
DOI:
https://doi.org/10.55123/storage.v4i4.6469Keywords:
analisis sentimen, bale by btn, support vector machine, google playstoreAbstract
Dalam era digital yang kian berkembang, analisis sentimen pada komentar pengguna dijadikan alat penting untuk mengevaluasi kualitas aplikasi mobile banking. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna pada aplikasi bale by BTN yang diluncurkan pada Februari 2025 sebagai penyempurna dari aplikasi BTN Mobile. Metode yang digunakan meliputi scraping data ulasan dari Google Play Store, preprocessing teks (case folding, normalisasi, tokenisasi, stopword removal, dan stemming), pelabelan berdasarkan kamus lexicon-based approach, serta pembangunan klasifikasi model dengan algoritma Support Vector Machine dengan TF-IDF vectorization. Dari 2.000 data awal, diperoleh 1.767 data valid yang dianalisis. Hasil menunjukkan bahwa model SVM mencapai akurasi sebesar 73,16%, dari 354 data testing dengan distribusi sentimen: positif (52,57%), dan negatif (47,43%). Model menunjukkan performa terbaik dalam mengklasifikasi sentimen Positif dengan precision 0.73, recall 0.80, dan F1-score 0,77 pada 194 data sedangkan pada sentimen negatif, model menunjukan hasil cukup baik dengan precision 0.73, recall 0.65, dan F1-score 0.69 pada 160 data.
Downloads
References
Akbar, M. N., & Nirwana Samrin. (2023). Analisis Sentimen Komentar Pengguna Aplikasi Threads Pada Google Playstore Menggunakan Algoritma Multinominal Naive Bayes Classfier. Agents: Journal of Artificial Intelligence and Data Science, 3(2), 21–29. https://doi.org/10.24252/jagti.v3i2.67
Alfandi Safira, & Hasan, F. N. (2023). Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier. Zonasi: Jurnal Sistem Informasi, 5(1), 59–70. https://doi.org/10.31849/zn.v5i1.12856
Amalia, P., & Hastriana, A. Z. (2022). Pengaruh Kemanfaatan, Kemudahan Keamanan, dan Fitur M-Banking terhadap Kepuasan Nasabah dalam Bertransaksi pada Bank Syariah Indonesia (Studi Kasus BSI KCP Sumenep). Islamic Sciences, Sumenep, 1, 70–89. https://doi.org/https://doi.org/10.59005/alkasb.v1i1.163
Azmi Verdikha, N., Habid, R., & Johar Latipah, A. (2023). Analisis DistilBERT dengan Support Vector Machine (SVM) untuk Klasifikasi Ujaran Kebencian pada Sosial Media Twitter. Metik Jurnal, 7(2), 101–110. https://doi.org/10.47002/metik.v7i2.583
Cahyaningtyas, C., Nataliani, Y., & Widiasari, I. R. (2021). Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE. Aiti, 18(2), 173–184. https://doi.org/10.24246/aiti.v18i2.173-184
Cahyono, N., & Anggista Oktavia Praneswara. (2023). Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes. Indonesian Journal of Computer Science, 12(6), 3925–3940. https://doi.org/10.33022/ijcs.v12i6.3473
Chanda Vedalla Putra, Ng Thian Way, Ricky Ricky, Shelby Esfandiany, & Eryc Eryc. (2024). Analisa Digital Marketing Sektor Perbankan: Perbandingan Aplikasi Mobile Banking Livin’ By Mandiri Dan Mybca Dalam Memaksimalkan Potensi Pasar Digital. Jurnal Ilmiah Manajemen Dan Akuntansi, 1(5), 10–21. https://doi.org/10.69714/vsmsvn05
Dito, M., Krisna, D., & Hasan, F. N. (2025). Analisa Kinerja Algoritma Random Forest dan XGBoost dalam Klasifikasi Penyakit Cacar Monyet (Monkeypox). Universitas Muhammadiyah Prof. Dr. Hamka, Jakarta Jl. Tanah Merdeka, 6(3). https://doi.org/10.47065/josh.v6i3.7167
Erizal, E., & Hasan, F. N. (2024). Analisis Sentimen Masyarakat Terhadap Fenomena Childfree (Kehidupan Tanpa Anak) Pada Twitter Menggunakan Algoritma Naïve Bayes. Journal of Information System Research (JOSH), 5(3), 853–861. https://doi.org/10.47065/josh.v5i3.5064
Fadli, K., & Hasan, F. N. (2024). Analisis Sentimen Tanggapan Masyarakat Terhadap Penutupan TikTok Shop Menggunakan Metode Naïve Bayes. Journal of Information System Research (JOSH), 6(1), 396–405. https://doi.org/10.47065/josh.v6i1.6060
Firda, H., Putra, P., Oktadini, N. R., Sevtiyuni, P. E., & Meiriza, A. (2025). Comparison of Rating-based and Inset Lexicon-based Labeling in Sentiment Analysis using SVM (Case Study: GoBiz Application Reviews on Google Play Store). Sistemasi, 14(2), 516. https://doi.org/10.32520/stmsi.v14i2.4795
Mursianto, G. A., Widiyanto, D., & Wahyono, B. T. (2022). Analisis Sentimen Ulasan Pengguna Pada Aplikasi Google Classroom Menggunakan Metode SVM Dan Seleksi Fitur PSO. Informatik : Jurnal Ilmu Komputer, 18(3), 221. https://doi.org/10.52958/iftk.v18i3.4685
Najlawarni, N. H., Paryono, T., Nurapriani, F., Huda, B., Maheri, R., Salisah, F. N., Muttakin, F., & Megawati. (2025). Analisis Sentimen Ulasan Aplikasi M-Paspor Menggunakan. Intecoms: Journal of Information Technology and Computer Science, 10(3), 448–458. https://doi.org/10.31539/intecoms.v8i3.15153
Rachmawati Oktaria Mardiyanto, Kusrini, K., & Ferry Wahyu Wibowo. (2023). Analisis Sentimen Pengguna Aplikasi Bank Syariah Indonesia Dengan0Menggunakan0Algoritma Support Vector Machine (Svm). Teknimedia: Teknologi Informasi Dan Multimedia, 4(1), 9–15. https://doi.org/10.46764/teknimedia.v4i1.85
Rakarahayu Putri, R., & Cahyono, N. (2024). Analisis Sentimen Komentar Masyarakat Terhadap Pelayanan Publik Pemerintah Dki Jakarta Dengan Algoritma Super Vector Machine Dan Naive Bayes. Jati (Jurnal Mahasiswa Teknik Informatika), 8(2), 2363–2371. https://doi.org/10.36040/jati.v8i2.9472
Ramadhan, W. P., & Juardi, D. (2025). Analisis Sentimen Ulasan Aplikasi Btn Mobile Menggunakan Algoritma Naive Bayes. Jurnal Informatika Dan Teknik Elektro Terapan, 13(1). https://doi.org/10.23960/jitet.v13i1.6002
Saputra, R., & Hasan, F. N. (2024). Analisis Sentimen Terhadap Program Makan Siang & Susu Gratis Menggunakan Algoritma Naive Bayes. Jurnal Teknologi Dan Sistem Informasi Bisnis, 6(3), 411–419. https://doi.org/10.47233/jteksis.v6i3.1378
Sari, L. A., Ramadhita, N. F., & Hasan, F. N. (2024). Analysis of Public Sentiment on Google Play Store Tije Application Users Using Naïve Bayes Classifier Method. Jurnal Teknik Informatika (Jutif), 5(1), 243–251. https://doi.org/10.52436/1.jutif.2024.5.1.1648
Sitanggang, A. S., Lestari, S., Febrianti, N. C., Az-zahra, A., & Fitriadi, M. N. (2024). Analisis Tingkat Kepercayaan Nasabah pada Keamanan Transaksi Perbankan melalui Mobile Banking (M-Banking). Jurnal Masharif Al-Syariah, 9(3), 1566–1581. https://doi.org/https://doi.org/10.30651/jms.v9i3.23067
Siti Aisah, I., Irawan, B., & Suprapti, T. (2024). Algoritma Support Vector Machine (Svm) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital. Jati (Jurnal Mahasiswa Teknik Informatika), 7(6), 3759–3765. https://doi.org/10.36040/jati.v7i6.8263
Sulastomo, H., Ramadiansyah, Gibran, K., Maryansyah, E., & Tegar, A. (2022). Analisis Sentimen Pada Twitter @Ovo_Id dengan Metode Support Vectore Machine (SVM). Jurnal Sains Komputer & Informatika (J-SAKTI, 6(2), 1050–1056. https://doi.org/Sulastomo, H., Ramadiansyah, R., Gibran, K., Maryansyah, E., & Tegar, A. (2022). Analisis Sentimen Pada Twitter @Ovo_Id dengan Metode Support Vectore Machine (SVM). Jurnal Sains Komputer & Informatika (J-SAKTI), 6(2), 1050–1056. https://tunasbangsa.ac.id/ejurnal/index.php/jsakti/article/download/514/487
Wibowo, A., Firman Noor Hasan, Ramadhan, L. A., Rika Nurhayati, & Arief Wibowo. (2022). Analisis Sentimen Opini Masyarakat Terhadap Keefektifan Pembelajaran Daring Selama Pandemi COVID-19 Menggunakan Naïve Bayes Classifier. Jurnal Asiimetrik: Jurnal Ilmiah Rekayasa & Inovasi, 4, 239–248. https://doi.org/10.35814/asiimetrik.v4i1.3577
Wicaksono, B., & Cahyono, N. (2024). Analisis Sentimen Komentar Instagram Pada Program Kampus Merdeka Dengan Algoritma Naive Bayes Dan Decision Tree. Jati (Jurnal Mahasiswa Teknik Informatika), 8(2), 2372–2381. https://doi.org/10.36040/jati.v8i2.9473
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Ahmat Setiawan, Firman Noor Hasan
This work is licensed under a Creative Commons Attribution 4.0 International License.
